Todennäköisyyden aksioomat. Todennäköisyyden aksioomat. Todennäköisyyden aksioomat: Mitä opimme? 2/2. Todennäköisyyden aksioomat: Mitä opimme?

Koko: px
Aloita esitys sivulta:

Download "Todennäköisyyden aksioomat. Todennäköisyyden aksioomat. Todennäköisyyden aksioomat: Mitä opimme? 2/2. Todennäköisyyden aksioomat: Mitä opimme?"

Transkriptio

1 TKK () Ilkka Mell (2004) 1 Todeäkösyyde aksoomat Suhteelle rekvess, klasse todeäkösyys ja ehdolle todeäkösyys Johdatus todeäkösyyslasketaa Todeäkösyyde aksoomat TKK () Ilkka Mell (2004) 2 Todeäkösyyde aksoomat: Mtä opmme? 1/2 Todeäkösyydelle vodaa esttää seuraavat kolme ava määrtelmää: () Emprse todeäkösyyde määrtelmä. () Klassse todeäkösyyde määrtelmä. () Todeäkösyys o tapahtuma sattumse mahdollsuude mtta. Ykskää määrtelmstä ()-() e kutekaa täytä hyvä matemaattse määrtelmä tuusmerkkejä. Sks tässä luvussa tarkastellaa todeäkösyyde aksomaattsta määrttelemstä. Kolmogorov aksoome mukaa todeäkösyys o postve, täydellsest addtve ja ormeerattu mtta. Todeäkösyyde aksoomat: Mtä opmme? 2/2 Todeäkösyyde aksomaatte kästtely o jaettu tässä luvussa kahtee osaa: () Todeäkösyys ja äärellset otosavaruudet. () Todeäkösyys ja äärettömät otosavaruudet. Usemmat todeäkösyyslaskea peruslaskusääöstä vodaa todstaa äärellste otosavaruukse muodostamassa kehkossa. Tässä luvussa äytetää myös mllä tavalla todeäkösyyde avt määrtelmät sekä ehdollse todeäkösyyde käste vodaa sopvast tulkttua ssällyttää Kolmogorov aksoome muodostamaa kehkkoo. TKK () Ilkka Mell (2004) 3 TKK () Ilkka Mell (2004) 4 Todeäkösyyde aksoomat: Estedot Estedot: ks. seuraava lukuja: Todeäkösyyslaskea peruskästteet Todeäkösyyslaskea peruslaskusääöt Todeäkösyyde aksoomat >> Suhteelle rekvess, klasse todeäkösyys ja ehdolle todeäkösyys TKK () Ilkka Mell (2004) 5 TKK () Ilkka Mell (2004) 6

2 TKK () Ilkka Mell (2004) 7 Todeäkösyyde avt määrtelmät Avasaat Empre todeäkösyys Frekvess Klasse todeäkösyys Kolmogorov aksoomat Mtta Satuaskoe Suhteelle rekvess Suotusa tulosvahtoehto Tapahtuma Tlastolle stablteett Tulosvahtoehto Luvussa Todeäkösyyslaskea peruskästteet todeäkösyydelle o estetty kolme ava määrtelmää: () Tapahtuma empre todeäkösyys o tapahtuma (tlastollsest stabl) suhteelle rekvess. () Tapahtuma klasse todeäkösyys o tapahtumalle suotuse tulosvahtoehtoje suhteelle rekvess. () Todeäkösyys o tapahtuma sattumse mahdollsuude mtta. TKK () Ilkka Mell (2004) 8 Todeäkösyyde avt määrtelmät: Kommetteja Kute äemme, ykskää todeäkösyyde avesta määrtelmstä ()-() e täytä hyvä matemaattse määrtelmä tuusmerkkejä. Empre todeäkösyys Tostetaa jotak satuaskoetta kertaa. Oletetaa, että tapahtuma A sattuu koetostoje akaa kertaa. Jos tapahtuma A suhteelle rekvess lähestyy jotak kteätä lukua p koetostoje lukumäärä kasvaessa rajatta, o p tapahtuma A empre todeäkösyys. TKK () Ilkka Mell (2004) 9 TKK () Ilkka Mell (2004) 10 Empre todeäkösyys: Esmerkk 1/3 Eräässä kyselytutkmuksessa selvtett mte suomalaset suhtautuvat Suome mahdollsee NATO-jäseyytee. Tutkmus perustu satuasotoksee, joho pomtt arpomalla 1800 suomalasta. Otoksessa 1080 heklöä lmott vastustavasa NATO-jäseyyttä. TKK () Ilkka Mell (2004) 11 Empre todeäkösyys: Esmerkk 2/3 Tutkmusta vodaa kuvata satuaslmöä seuraavalla tavalla: Satuaskoe: Yhde suomalase pomme arpomalla otoksee Koetostoje lukumäärä (otoskoko): = 1800 Tapahtuma A: Otoksee pomttu suomalae vastustaa Suome NATOjäseyyttä. Tapahtuma A rekvess koetostoje joukossa: = 1080 Tapahtuma A suhteelle rekvess: = 1800 = TKK () Ilkka Mell (2004) 12

3 TKK () Ilkka Mell (2004) 13 Empre todeäkösyys: Esmerkk 3/3 Jos otokse pomassa käytetää arvotaa, vodaa olettaa, että tapahtuma A suhteelle rekvess sälyy stabla, jos otoskokoa kasvatetaa ta otataa tostetaa. Jos oletus tapahtuma A suhteellse rekvess stabludesta pätee, havattua suhteellsta rekvessä 0.6 o järkevää kutsua todeäkösyydeks, että satuasest valttu suomalae vastustaa Suome NATO-jäseyyttä. Ste tapahtuma A empre todeäkösyys o (A) = 0.6 otoksesta saatuje tetoje perusteella. Empre todeäkösyys: Kommetteja Emprse todeäkösyyde määrtelmä edellyttää stä, että tapahtuma suhteelle rekvess käyttäytyy koetostoje lukumäärä kasvaessa tlastollsest stablst. Emprstä todeäkösyyttä e voda lttää sellas satuaslmöh, josta e ole havatoja. Tapahtuma emprstä todeäkösyyttä e voda määrätä kokeellsest, koska äärettömä moe koetosto tekeme e ole käytäössä mahdollsta. Mkää e takaa, että emprse todeäkösyyde määrtelmässä estyvä raja-arvo o olemassa. TKK () Ilkka Mell (2004) 14 Klasse todeäkösyys Tarkastellaa satuaskoetta, joho lttyy yhtä todeäköstä tulosvahtoehtoa. Tarkastellaa ko. satuaskokeessa tapahtumaa A, joho lttyy k yhtä todeäköstä tulosvahtoehtoa, jota saotaa tapahtumalle A suotusks. Tapahtuma A klasse todeäkösyys o tapahtumalle suotuse tulosvahtoehtoje suhteelle rekvess k TKK () Ilkka Mell (2004) 15 Klasse todeäkösyys: Esmerkk Hetetää kahta vrheetötä oppaa. Mkä o tapahtuma A = Slmälukuje summaks saadaa 11 ta 12 todeäkösyys? Kahde vrheettömä opa hetossa mahdollset tulosvahtoehdot muodostuvat 6 6 = 36 lukuparsta (, j), = 1, 2, 3, 4, 5, 6, j = 1, 2, 3, 4, 5, 6 jode kakke todeäkösyys o 1/36. Tapahtumalle A suotusa tulosvahtoehtoja o 3 kpl: (5,6), (6,5), (6,6) Ste tapahtuma A klasse todeäkösyys o k 3 1 ( A) = = = TKK () Ilkka Mell (2004) 16 Klasse todeäkösyys: Kommetteja Klassse todeäkösyyde määrtelmä soveltuu va sellaste satuaslmöde tapahtumlle, jossa tulosvahtoehdot ovat yhtä todeäkösä el symmetrsä. Klassse todeäkösyyde määrtelmää e voda soveltaa sellas satuaskokes, jolla o äärettömä mota tulosvahtoehtoa. Todeäkösyys mttaa Todeäkösyyttä vodaa kutsua mtaks, joka mttaa satuaslmö tapahtumavahtoehtoje sattumse mahdollsuuksa. Ve-dagramme käyttö todeäkösyyslaskea peruslaskutomtuste havaollstamsessa perustuu juur she, että todeäkösyydellä o mttaa samatapaset omasuudet ku pta-alamtalla. TKK () Ilkka Mell (2004) 17 TKK () Ilkka Mell (2004) 18

4 TKK () Ilkka Mell (2004) 19 Todeäkösyys mttaa: Kommetteja Todeäkösyyde kutsume mtaks ssältää jotak hyv oleasta todeäkösyyde luoteesta. Todeäkösyydellä o samatapaset omasuudet ku esmerkks pta-ala- ta tlavuusmtalla pats, että tapahtuma todeäkösyydellä o ylärajaa varma tapahtuma todeäkösyys 1. Todeäkösyyde kutsume sattumse mahdollsuude mtaks o kutek kehämäärtelmä: Sattumse mahdollsuus tarkottaa suullee samaa ku todeäkösyys. Todeäkösyyde aksomaatte määrttely 1/2 Ykskää todeäkösyyde avesta määrtelmstä e täytä hyvä matemaattse määrtelmä tuusmerkkejä. Matemaattsest kelvollse ylese määrtelmä todeäkösyydelle estt veäläe matemaatkko A. N. Kolmogorov 1930-luvu alussa. Kolmogorov aksoome mukaa todeäkösyyslasketa o matemaattse mttateora osa. Todeäkösyyde avt määrtelmät vodaa sjottaa sopvast muotoltua Kolmogorov aksoomajärjestelmää todeäkösyyde kästtee tulktoa ta kuvauksa. TKK () Ilkka Mell (2004) 20 Todeäkösyyde aksomaatte määrttely 2/2 Todeäkösyyde aksoomat Seuraavssa kappalessa tarkastellaa todeäkösyyde aksomaattsta määrttelyä. Tarkastelu o jaettu kahtee osaa: () Todeäkösyyde määrttely äärellsssä otosavaruuksssa. () Todeäkösyyde määrttely äärettömssä otosavaruuksssa. Samalla tarkastellaa todeäkösyyslaskea laskusäätöje todstamsta aksoomsta lähte. >> Suhteelle rekvess, klasse todeäkösyys ja ehdolle todeäkösyys TKK () Ilkka Mell (2004) 21 TKK () Ilkka Mell (2004) 22 Todeäkösyyde aksoomat äärellsssä otosavaruuksssa Boole algebra: Määrtelmä 1/2 Avasaat Addtvsuus Alkestapahtuma Boole algebra Erotus Joukkoperhe Komplemetttapahtuma Lekkaus Mtta Otosavaruus Perusjoukko Tapahtuma Tapahtuma-algebra Todeäkösyyde aksoomat Todeäkösyys Todeäkösyyskettä Todeäkösyyslaskea laskusäätöje todstame Komplemetttapahtuma todeäkösyys Mahdottoma tapahtuma todeäkösyys Osajouko todeäkösyys Ylee yhteelaskusäätö Yhdste Äärelle otosavaruus Olkoo S joukko. Olkoo F jok jouko S osajoukkoje muodostama joukkoperhe. Jos ss joukko A o joukkoperhee F alko, A o jouko S osajoukko: A F A S TKK () Ilkka Mell (2004) 23 TKK () Ilkka Mell (2004) 24

5 TKK () Ilkka Mell (2004) 25 Boole algebra: Määrtelmä 2/2 Joukkoperhe F o Boole algebra, jos () Tyhjä joukko o joukkoperhee Falko: F () Jos joukko A o joukkoperhee F alko, se komplemett A o joukkoperhee F alko: A F A F () Jos joukot A ja B ovat joukkoperhee F alkota, de yhdste A B o joukkoperhee F alko: A F, B F A B F Boole algebrat ja joukko-op operaatot 1/2 Olkoo F joukossa S määrtelty Boole algebra. Olkoot A F ja B F Suoraa Boole algebra aksoome mukaa tyhjä joukko, komplemettjoukot A ja B sekä yhdste A B kuuluvat joukkoperheesee F:, A, B, A B F Lsäks vodaa osottaa, että perusjoukko S, lekkaus A B sekä erotukset A\B ja B\A kuuluvat joukkoperheesee F: S, A B, A\ B, B\ A F TKK () Ilkka Mell (2004) 26 Boole algebrat ja joukko-op operaatot 2/2 Joukko-op operaatot Boole algebrat ovat ss suljettuja tavaomaste joukkoop operaatode suhtee. Tällä tarkotetaa stä, että tavaomaset joukko-op operaatot evät ve Boole algebra ulkopuolelle: Jos Boole algebra F joukkoh sovelletaa korketaa äärelle määrä tavaomasa joukko-op operaatota komplemett, yhdste, lekkaus ja erotus, tuloksea saatavat joukot kuuluvat edellee Boole algebraa F. Olkoo F joukossa S määrtelty Boole algebra. Todstetaa seuraavat joukko-op tulokset: () Joukko S F () Jos A F, B F, A B F () Jos A F, B F, A \ B F TKK () Ilkka Mell (2004) 27 TKK () Ilkka Mell (2004) 28 Joukko-op operaatot: Perusjoukko 1/2 Olkoo F joukossa S määrtelty Boole algebra. Tällö perusjoukko S kuuluu joukkoperheesee F : S F Joukko-op operaatot: Perusjoukko 2/2 Väte seuraa, stä että S = Todstetaa ss, että F Aksooma () mukaa F Aksooma () mukaa = S F TKK () Ilkka Mell (2004) 29 TKK () Ilkka Mell (2004) 30

6 TKK () Ilkka Mell (2004) 31 Joukko-op operaatot: Lekkausjoukko 1/2 Olkoo F joukossa S määrtelty Boole algebra. Olkoot A F, B F Tällö joukkoje A ja B lekkaukselle pätee: A B F Joukko-op operaatot: Lekkausjoukko 2/2 Väte seuraa stä, että DeMorga la mukaa A B = ( A B ) Todstetaa ss, että A F, B F ( A B ) F Aksooma () mukaa A F, B F A F, B F Aksooma () mukaa A F, B F A B F Vhdo aksooma () mukaa A B F ( A B ) F TKK () Ilkka Mell (2004) 32 Joukko-op operaatot: Erotusjoukko 1/2 Olkoo F joukossa S määrtelty Boole algebra. Olkoot A F, B F Tällö joukkoje A ja B erotukselle pätee: A \ B F Joukko-op operaatot: Erotusjoukko 2/2 Väte seuraa stä, että A\ B = A B Todstetaa ss, että A F, B F A B F Aksooma () mukaa B F B F Lekkausjoukkoa koskeva tulokse mukaa A F, B F A B F TKK () Ilkka Mell (2004) 33 TKK () Ilkka Mell (2004) 34 Boole algebra: Esmerkk Olkoo S melvaltae joukko. Olkoo A S melvaltae jouko S osajoukko. Tällö joukkoperhe F = {, A, A, S} muodostaa Boole algebra joukossa S, koska () F () B F B F () B F, C F B C F Tässä B ja C vovat olla mtkä tahasa kaks joukosta, A, A, S. Boole algebra tapahtuma-algebraa 1/2 Olkoo F otosavaruudessa S määrtelty Boole algebra. Kutsutaa Boole algebraa F kuuluva otosavaruude S osajoukkoja tapahtumks. Jos ss A F, A S ja A o tapahtuma. Kutsutaa Boole algebraa F kuuluve otosavaruude S osajoukkoje alkota alkestapahtumks. Jos ss s A F jollek A F, s o alkestapahtuma. TKK () Ilkka Mell (2004) 35 TKK () Ilkka Mell (2004) 36

7 TKK () Ilkka Mell (2004) 37 Boole algebra tapahtuma-algebraa 2/2 Äärellset otosavaruudet Olkoo F otosavaruudessa S määrtelty Boole algebra. Olkoot otosavaruude S osajoukot A ja B tapahtuma el A F ja B F Tällö ss myös A, B, A B, A B, A\B, B\A ovat tapahtuma. Ste otosavaruude tapahtumsta vodaa johtaa uusa tapahtuma soveltamalla h tavaomasa joukko-op operaatota. Olkoo S äärelle otosavaruus, jossa o alkota. Olkoo F= { A A S} otosavaruude S kakke osajoukkoje perhe, jote joukkoperheessä F o ( F) = 2 alkota. Otosavaruude S kakke osajoukkoje perhe F muodostaa trvaal Boole algebra joukossa S. TKK () Ilkka Mell (2004) 38 Todeäkösyyde aksoomat 1/2 Todeäkösyyde aksoomat 2/2 Olkoo S äärelle otosavaruus ja F jok se osajoukkoje muodostama Boole algebra. Olkoo joukkoukto, joka lttää jokasee Boole algebraa F kuuluvaa otosavaruude S osajoukkoo A reaalluvu (A). Jos ss A F, ( A). Joukkoukto o todeäkösyys, jos () ( S) = 1 () 0 ( A) 1kaklle A F () A F, B F, A B= ( A B) = ( A) + ( B) TKK () Ilkka Mell (2004) 39 TKK () Ilkka Mell (2004) 40 Todeäkösyyde aksoomat: Kommetteja 1/2 Äärellse otosavaruude todeäkösyyde aksoome ()-() mukaa todeäkösyys o postve, äärellsest addtve ja ormeerattu mtta. Aksoomat () ja (), ormeeraus ja postvsuus: A S 0 (A) (S) = 1 Aksooma (), äärelle addtvsuus: A B = (A B) = (A) + (B) Aksooma () o tosesa possulkeve tapahtume yhteelaskusäätö. Todeäkösyyde aksoomat: Kommetteja 2/2 Aksoome ()-() oleasea ssältöä o ss se, että todeäkösyys o mtta matematka tarkottamassa melessä. Todeäkösyyslasketaa vodaa ptää matemaattse mttateora osaa. Aksoome ()-() mukaa todeäkösyysmtalla o samat omasuudet ku pta-alamtalla pats, että todeäkösyysmtta o ormeerattu, että se yläraja o 1. TKK () Ilkka Mell (2004) 41 TKK () Ilkka Mell (2004) 42

8 TKK () Ilkka Mell (2004) 43 Tapahtume todeäkösyydet äärellsessä otosavaruudessa Äärellse otosavaruude tapahtumsta vodaa muodostaa uusa tapahtuma soveltamalla Boole algebra aksooma ja stä johdettuja joukko-op laskusäätöjä. Uuse tapahtume todeäkösyydet saadaa soveltamalla äärellse otosavaruude todeäkösyyde aksooma ja stä johdettuja todeäkösyyslaskea laskusäätöjä. Äärellset todeäkösyysketät Kolmkko ( S, F,) muodostaa äärellse todeäkösyysketä, jos seuraavat ehdot pätevät: () Otosavaruus S o äärelle. () Joukkoperhe F o jok jouko S osajoukkoje muodostama Boole algebra. () Joukkoukto o Boole algebraa F kuuluvlle otosavaruude S osajoukolle määrtelty äärellse otosavaruude todeäkösyysmtta. TKK () Ilkka Mell (2004) 44 Todeäkösyyslaskea laskusäätöje todstame Todstetaa seuraavat todeäkösyyslaskea laskusääöt todeäkösyyde aksoomsta lähte: () Mahdottoma tapahtuma todeäkösyys. () Komplemetttapahtuma todeäkösyys. () Osajouko todeäkösyys. (v) Ylee yhteelaskusäätö. Mahdottoma tapahtuma todeäkösyys Olkoo S äärelle otosavaruus. Olkoo mahdoto tapahtuma. Tällö ( ) = 0 TKK () Ilkka Mell (2004) 45 TKK () Ilkka Mell (2004) 46 Mahdottoma tapahtuma todeäkösyys: Perustelu Komplemetttapahtuma todeäkösyys Olkoo F otosavaruude S osajoukolle määrtelty Boole algebra. Olkoo mahdoto tapahtuma. Tällö F Joukot ja S muodostavat otosavaruude S ostukse: S = S S = Todeäkösyyde aksoome () ja () mukaa 1 = ( S) = ( S) = ( ) + ( S) = ( ) + 1 josta välttämättä seuraa ( ) = 0 Olkoo A äärellse otosavaruude S tapahtuma. Tällö tapahtuma A komplemetttapahtuma A todeäkösyydelle pätee: ( A ) = 1 ( A) A A S TKK () Ilkka Mell (2004) 47 TKK () Ilkka Mell (2004) 48

9 TKK () Ilkka Mell (2004) 49 Komplemetttapahtuma todeäkösyys: Perustelu 1/2 Komplemetttapahtuma todeäkösyys: Perustelu 2/2 Olkoo F otosavaruude S osajoukolle määrtelty Boole algebra. Väte: A F ( A ) = 1 ( A) Boole algebra aksooma () mukaa A F A F Joukot A ja A muodostavat otosavaruude S ostukse: A A = S A A = A A S Todeäkösyyde aksoome () ja () mukaa 1= ( S) = ( A A ) = ( A) + ( A ) josta väte seuraa. A A S TKK () Ilkka Mell (2004) 50 Osajouko todeäkösyys Olkoot A ja B äärellse otosavaruude S tapahtuma. Olkoo B A. Tällö pätee: (B) (A) Osajouko todeäkösyys: Perustelu 1/2 Olkoo F otosavaruude S osajoukolle määrtelty Boole algebra. Väte: A F, B F, B A ( B) ( A) Lekkaus- ta erotusjoukkoa koskeva tulokse mukaa A F, B F A\ B= A B F TKK () Ilkka Mell (2004) 51 TKK () Ilkka Mell (2004) 52 Osajouko todeäkösyys: Perustelu 2/2 Koska B A, joukot B ja A\B muodostavat jouko A ostukse: B (A\B) = A B (A\B) = Aksoome () ja () mukaa ( A) = ( B) + ( A\ B) ( B) mkä ol väte. Ylee yhteelaskusäätö Olkoot A ja B äärellse otosavaruude S tapahtuma. Tällö pätee ylee yhteelaskusäätö: (A B) = (A) + (B) (A B) TKK () Ilkka Mell (2004) 53 TKK () Ilkka Mell (2004) 54

10 TKK () Ilkka Mell (2004) 55 Ylee yhteelaskusäätö: Perustelu 1/3 Olkoo F otosavaruude S osajoukolle määrtelty Boole algebra. Väte: A F, B F ( A B) = ( A) + ( B) ( A B) Boole algebra aksooma () sekä lekkaus- ja erotusjoukkoja koskeve tulokse mukaa A F, B F A B F, A B F A\ B F, B\ A F Ylee yhteelaskusäätö: Perustelu 2/3 Joukot A ja B\A muodostavat jouko A B ostukse: (1) A B = A (B\A) A (B\A) = Joukot A B ja B\A muodostavat jouko B ostukse: (2) B = (A B) (B\A ) (A B) (B\A) = TKK () Ilkka Mell (2004) 56 Ylee yhteelaskusäätö: Perustelu 3/3 Ostuksesta (1) ja aksoomasta () seuraa: (3) (A B) = (A) + (B\A) Ostuksesta (2) ja aksoomasta () seuraa: (4) (B) = (A B) + (B\A) Ratkasemalla (B\A) yhtälöstä (4) ja sjottamalla ratkasu yhtälöö (3) saadaa väte: (A B) = (A) + (B) (A B) Todeäkösyyde aksoomat >> Suhteelle rekvess, klasse todeäkösyys ja ehdolle todeäkösyys TKK () Ilkka Mell (2004) 57 TKK () Ilkka Mell (2004) 58 Suhteelle rekvess, klasse todeäkösyys ja ehdolle todeäkösyys Avasaat Alkestapahtuma Ehdolle todeäkösyys Empre todeäkösyys Frekvess Klasse todeäkösyys Koetosto Suhteelle rekvess Suotusa tulosvahtoehto Symmetrset alkestapahtumat Tapahtuma Todeäkösyyde aksoomat Todeäkösyyde rekvesstulkta Tulosvahtoehto Suhteelle rekvess ja klasse todeäkösyys Suhteelle rekvess ja klasse todeäkösyys todeäkösyyksä Osotamme, että suhteelle rekvess ja klasse todeäkösyys sopvast määrteltyä toteuttavat äärellse otosavaruude todeäkösyyde aksoomat. Ste suhteellsta rekvessä ja klasssta todeäkösyyttä vodaa ptää todeäkösyyde tulktoa. TKK () Ilkka Mell (2004) 59 TKK () Ilkka Mell (2004) 60

11 TKK () Ilkka Mell (2004) 61 Suhteelle rekvess Suhteelle rekvess: Määrtelmä Olkoo S johok satuaskokeesee lttyvä äärelle otosavaruus. Olkoo A S tapahtuma otosavaruudessa S. Tostetaa satuaskoetta kertaa. Olkoo A tapahtuma A rekvess koetostoje joukossa. Tällö A o tapahtuma A suhteelle rekvess. Suhteelle rekvess Suhteelle rekvess o todeäkösyys Käytetää tapahtuma A suhteellselle rekvesslle A / merktää: A ( A) = Suhteelle rekvess (A) toteuttaa todeäkösyyde aksoomat ()-(), jote suhteelle rekvess o todeäkösyys. TKK () Ilkka Mell (2004) 62 Suhteelle rekvess Suhteelle rekvess o todeäkösyys: Perustelu 1/2 Todstetaa, että suhteelle rekvess ( ) toteuttaa todeäkösyyde aksoomat. Tostetaa satuaskoetta kertaa. Aksooma (): Koska otosavaruus S o varma tapahtuma el S sattuu jokasessa koetostossa, S = Ste (S) = / = 1 Aksooma (): Kaklle tapahtumlle A S pätee 0 A. Ste 0 (A) = A / 1 Suhteelle rekvess Suhteelle rekvess o todeäkösyys: Perustelu 2/2 Aksooma (): Jos tapahtumat A ja B ovat tosesa possulkeva el, jos A B =, A B = A + B Tällö A B A + B ( A B) = = A B = + = ( A) + ( B) TKK () Ilkka Mell (2004) 63 TKK () Ilkka Mell (2004) 64 Suhteelle rekvess Empre todeäkösyys Suhteelle rekvess Todeäkösyyde rekvesstulkta Jos tapahtuma A suhteelle rekvess A ( A) = lähestyy tostokokede lukumäärä rajatta kasvaessa jotak kteätä lukua p, saotaa lukua p tapahtuma A emprseks todeäkösyydeks. Jos ss p o tapahtuma A empre todeäkösyys, A ( A) = p, ku + Oletetaa, että tapahtuma A todeäkösyys o p. Tostetaa stä satuaskoetta, joho tapahtuma A lttyy, kertaa. Todeäkösyyde rekvesstulka mukaa tapahtuma A suhteelle rekvess A ( A) = vahtelee satuasest koetostosta tosee, mutta saa keskmäär tapahtuma todeäkösyyttä p lähellä oleva arvoja. TKK () Ilkka Mell (2004) 65 TKK () Ilkka Mell (2004) 66

12 TKK () Ilkka Mell (2004) 67 Klasse todeäkösyys Klasse todeäkösyys: Määrtelmä 1/2 Olkoo S = {s 1, s 2,, s } johok satuaskokeesee lttyvä äärelle otosavaruus, jossa o = (S) alkestapahtumaa. Oletetaa, että otosavaruude S alkestapahtumat ovat symmetrsä el yhtä todeäkösä. Tällö 1 ( s ) =, = 1,2,, Olkoo A = { s,,, s } tapahtuma, jossa o 1 s 2 k S k = (A) alkestapahtumaa, jota saotaa tapahtumalle A suotusks. Klasse todeäkösyys Klasse todeäkösyys: Määrtelmä 2/2 Määrtellää tapahtuma A klasse todeäkösyys (A) kaavalla k ( A) = jossa ss k = (A) = (S) Klasse todeäkösyys (A) toteuttaa todeäkösyyde aksoomat ()-(), jote klasse todeäkösyys o todeäkösyys. TKK () Ilkka Mell (2004) 68 Klasse todeäkösyys Klassse todeäkösyyde määrtelmä: Perustelu Olkoo A= { s,,, } {,,, s } 1 s 2 S = s1 s2 s k Tällö A= { s } { s } { s } 1 2 k ja lsäks alkestapahtumat s j, j = 1,2,, k ovat paretta tosesa possulkeva. Koska alkestapahtumat s 1, s 2,, s o oletettu symmetrsks, todeäkösyyde aksoomasta () seuraa: 1 1 k ( A) = ( s ) + ( s ) ( ) ( ) s 2 = + + = = k A k kpl Klasse todeäkösyys Klasse todeäkösyys o todeäkösyys: Perustelu 1/2 Todstetaa, että klasse todeäkösyys ( ) toteuttaa todeäkösyyde aksoomat. Aksooma (): Koska (S) =, (S) = / = 1 Aksooma (): Kaklle tapahtumlle A S pätee 0 (A) = k = (S) Ste 0 (A) = k/ 1 TKK () Ilkka Mell (2004) 69 TKK () Ilkka Mell (2004) 70 Klasse todeäkösyys Klasse todeäkösyys o todeäkösyys: Perustelu 2/2 Aksooma (): Jos tapahtumat A ja B ovat tosesa possulkeva el, jos A B =, k A B = k A + k B Tällö ka B ka + kb ( A B) = = ka kb = + = ( A) + ( B) Ehdolle todeäkösyys Ehdolle todeäkösyys todeäkösyyteä Seuraavassa osotetaa, että ehdolle todeäkösyys toteuttaa äärellse otosavaruude todeäkösyyde aksoomat. Ste ehdollsta todeäkösyyttä vodaa ptää todeäkösyyde kästtee laajeuksea. TKK () Ilkka Mell (2004) 71 TKK () Ilkka Mell (2004) 72

13 TKK () Ilkka Mell (2004) 73 Ehdolle todeäkösyys Ehdolle todeäkösyys: Määrtelmä Olkoo S johok satuaskokeesee lttyvä äärelle otosavaruus. Olkoot A S ja C S tapahtuma ja (C) 0. Määrtellää tapahtuma A ehdolle todeäkösyys (A C) kaavalla ( A C) ( AC) = ( C) Ehdolle todeäkösyys (A C) toteuttaa todeäkösyyde aksoomat ()-(), jote ehdolle todeäkösyys o todeäkösyys. Ehdolle todeäkösyys Ehdolle todeäkösyys o todeäkösyys: Perustelu 1/3 Todstetaa, että ehdolle todeäkösyys ( ) toteuttaa todeäkösyyde aksoomat. Aksooma (): Kaklle tapahtumlle C S pätee S C = C. Ste ( S C) ( C) ( SC) = = = 1 ( C) ( C) Aksooma (): Kaklle tapahtumlle A S ja C S pätee A C C, jote 0 (A C) (C). Ste ( A C) ( C) 0 ( AC) = = 1 ( C) ( C) TKK () Ilkka Mell (2004) 74 Ehdolle todeäkösyys Ehdolle todeäkösyys o todeäkösyys: Perustelu 2/3 Aksooma (): Kaklle joukolle A, B ja C pätee dstrbuutolak (A B) C = (A C) (B C) Jos tapahtumat A ja B ovat tosesa possulkeva el, jos A B =, kaklle C S pätee (A C) (B C) = Ehdolle todeäkösyys Ehdolle todeäkösyys o todeäkösyys: Perustelu 3/3 Tällö (( A B) C) ( A B C) = ( C) (( A C) ( B C) ) = ( C) ( A C) ( B C) = + ( C) ( C) = ( AC) + ( BC) TKK () Ilkka Mell (2004) 75 TKK () Ilkka Mell (2004) 76 Todeäkösyyde aksoomat Todeäkösyyde aksoomat äärettömssä otosavaruuksssa Suhteelle rekvess, klasse todeäkösyys ja ehdolle todeäkösyys >> Avasaat Alkestapahtuma Boole algebra Epämtallsuus Jatkuvuusaksooma Joukkoperhe Kolmogorov aksoomat Komplemetttapahtuma Lekkaus Mtallsuus Mtta Otosavaruus σ-algebra Tapahtuma Tapahtuma-algebra Todeäkösyyskettä Täydelle addtvsuus Yhdste Ääretö otosavaruus TKK () Ilkka Mell (2004) 77 TKK () Ilkka Mell (2004) 78

14 TKK () Ilkka Mell (2004) 79 Äärettömät otosavaruudet σ-algebra määrtelmä 1/2 Äärellslle otosavaruukslle estetyt aksoomat evät sellaseaa kelpaa äärettömlle otosavaruukslle: Tämä johtuu seuraavsta sekosta: () Äärettömä otosavaruude tapauksessa kakk otosavaruude osajoukot evät välttämättä kelpaa tapahtumks. () Äärellse otosavaruude aksooma () o äärettömä otosavaruude tapauksessa korvattava aksoomalla, joka sall äärettömä moe paretta tosesa possulkeva tapahtuma tarkastelu. Olkoo S joukko. Olkoo F jok jouko S osajoukkoje muodostama joukkoperhe. Jos ss joukko A o joukkoperhee F alko, A o jouko S osajoukko: A F A S TKK () Ilkka Mell (2004) 80 σ-algebra määrtelmä 2/2 σ-algebrat ja joukko-op operaatot 1/2 Joukkoperhe F o σ-algebra, jos () Tyhjä joukko o joukkoperhee F alko: F () Jos joukko A o joukkoperhee F alko, se komplemett A o joukkoperhee F alko: A F A F () Jos joukot A 1, A 2, A 3, ovat joukkoperhee F alkota, de yhdste A o joukkoperhee F alko: A1, A2, A3, F A F = 1 TKK () Ilkka Mell (2004) 81 Olkoo F joukossa S määrtelty σ-algebra. Olkoot A F, = 1,2,3, Suoraa σ-algebra aksoome mukaa joukkoje A komplemett ja de yhdste A ovat joukkoperhee F alkota: A F, = 1,2,3, ja A F = 1 Lsäks vodaa osottaa, että joukkoje A lekkaus A o joukkoperhee F alko: A F = 1 TKK () Ilkka Mell (2004) 82 σ-algebrat ja joukko-op operaatot 2/2 σ-algebrat ja Boole algebrat σ-algebrat ovat ss suljettuja umerotuva moe tavaomase joukko-op operaato suhtee. Tällä tarkotetaa stä, että umerotuva määrä tavaomasa joukko-op operaatota e ve σ-algebra ulkopuolelle: Jos σ-algebra F joukkoh sovelletaa korketaa umerotuva määrä tavaomasa joukko-op operaatota komplemett, yhdste, lekkaus ja erotus, tuloksea saatavat joukot kuuluvat edellee σ-algebraa F. Jos jouko S osajoukkoje perhe F toteuttaa σ-algebra aksoomat, se toteuttaa myös Boole algebra aksoomat. Jokae Boole algebra aksoomsta johdettu joukkoop säätö pätee myös σ-algebrolle. TKK () Ilkka Mell (2004) 83 TKK () Ilkka Mell (2004) 84

15 TKK () Ilkka Mell (2004) 85 Kolmogorov aksoomat todeäkösyydelle 1/2 Kolmogorov aksoomat todeäkösyydelle 2/2 Olkoo S otosavaruus ja F jok jouko S osajoukkoje perhe, joka muodostaa σ-algebra. Olkoo joukkoukto, joka lttää jokasee σ-algebraa F kuuluvaa otosavaruude S osajoukkoo A reaalluvu (A). Jos ss A F, ( A). Joukkoukto o todeäkösyys, jos () ( S) = 1 () 0 ( A) 1kaklle A F () A1, A2, A3, F ja A Aj =, j ( A) = ( A) = 1 = 1 TKK () Ilkka Mell (2004) 86 Kolmogorov aksoomat: Kommetteja 1/2 Kolmogorov aksoome ()-() mukaa todeäkösyys o postve, täydellsest addtve ja ormeerattu mtta. Aksoomat () ja (), ormeeraus ja postvsuus: A F 0 (A) (S) = 1 Aksooma (), täydelle addtvsuus: Jos A F, = 1, 2, 3, ja A A j =, j, ( A ) = (A ) Aksooma () o paretta tosesa possulkeve tapahtume yhteelaskusäätö. Kolmogorov aksoomat: Kommetteja 2/2 Aksoome ()-() oleasea ssältöä o ss se, että todeäkösyys o mtta matematka tarkottamassa melessä. Todeäkösyyslasketaa vodaa ptää matemaattse mttateora osaa. Aksoome ()-() mukaa todeäkösyysmtalla o samat omasuudet ku pta-alamtalla pats, että todeäkösyysmtta o ormeerattu, että se yläraja o 1. TKK () Ilkka Mell (2004) 87 TKK () Ilkka Mell (2004) 88 Kolmogorov aksoomat ja äärellse otosavaruude aksoomat Jos joukkoukto toteuttaa todeäkösyyde aksoomat äärettömlle otosavaruukslle, se toteuttaa todeäkösyyde aksoomat myös äärellslle otosavaruukslle. Jokae äärellse otosavaruude todeäkösyyde aksoomsta johdettu todeäkösyyde laskusäätö pätee myös äärettömlle otosavaruukslle. Mtallsuus 1/2 Jos S o äärelle otosavaruus, kaklle otosavaruude S osajoukolle A S vodaa määrtellä todeäkösyys. Ste äärellse otosavaruude S tapauksessa kakk otosavaruude osajoukot A S kelpaavat tapahtumks. Jos S o ääretö otosavaruus, kaklle otosavaruude S osajoukolle A S e voda välttämättä määrtellä todeäkösyyttä. Ste äärettömä otosavaruude S tapauksessa kakk otosavaruude osajoukot A S evät välttämättä kelpaa tapahtumks. TKK () Ilkka Mell (2004) 89 TKK () Ilkka Mell (2004) 90

16 TKK () Ilkka Mell (2004) 91 Mtallsuus 2/2 Mtallsuus ja reaallukuje joukko 1/2 Sellasa otosavaruude S osajoukkoja A S, jolle vodaa määrtellä todeäkösyys saotaa mtallsks. Sellasa otosavaruude S osajoukkoja A S, jolle e voda määrtellä todeäkösyyttä saotaa epämtallsks. Vodaa osottaa, että otosavaruude S mtallste osajoukkoje perhe muodostaa σ-algebra. Jos otosavaruutea S o reaallukuje joukko, mm. kakk reaalaksel vält sekä avomet ja suljetut joukot ovat mtallsa ja kelpaavat tapahtumks. Vodaa osottaa, että reaallukuje joukolla o todeäkösyysmta suhtee epämtallsa osajoukkoja, jotka evät kelpaa tapahtumks. TKK () Ilkka Mell (2004) 92 Mtallsuus ja reaallukuje joukko 2/2 Kakk reaallukuje jouko todeäkösyysmta suhtee mtallset osajoukot saadaa tyyppä (,b] = { x < x b} olevsta puolavomsta välestä soveltamalla h korketaa umerotuva määrä komplemett-, yhdsteja lekkausoperaatota. Muotoa (, b] olevat reaalaksel vält vrttävät reaallukuje jouko mtallste osajoukkoje muodostama σ-algebra. Tähä tuloksee perustuu kertymäukto keskee asema matemaattsessa tlastoteteessä; ks. lukua Satuasmuuttujat ja todeäkösyysjakaumat. TKK () Ilkka Mell (2004) 93 Tapahtume todeäkösyydet äärettömässä otosavaruudessa Otosavaruude mtallssta osajoukosta el tapahtumsta vodaa muodostaa uusa mtallsa osajoukkoja el tapahtuma soveltamalla σ-algebra aksooma ja stä johdettuja joukko-op säätöjä. Uuse tapahtume todeäkösyydet saadaa soveltamalla Kolmogorov aksooma ja stä johdettuja todeäkösyyslaskea laskusäätöjä. TKK () Ilkka Mell (2004) 94 Todeäkösyysketät Lause 1 Kolmkko ( S, F,) muodostaa todeäkösyysketä, jos seuraavat ehdot pätevät: () S o joukko. () Joukkoperhe F muodostaa σ-algebra joukossa S. () Joukkoukto o σ-algebraa F kuuluvlle jouko S osajoukolle määrtelty todeäkösyysmtta, joka toteuttaa Kolmogorov aksoomat. Olkoo ( S, F,) todeäkösyyskettä ja A1, A2, A3, F. Tällö pätee: () Jos A A A, A = lm ( A) + = 1 () Jos A A A, A = lm + = 1 ( A ) TKK () Ilkka Mell (2004) 95 TKK () Ilkka Mell (2004) 96

17 TKK () Ilkka Mell (2004) 97 Lause 1: Todstus kohdalle () 1/4 Lause 1: Todstus kohdalle () 2/4 Määrtellää B0 = A0 = B1 = A1 B2 = A2 \ A1 B = A \ A ja ylesest B = A \ A = A A, = 1,2,3, 1 1 Joukot B, = 0, 1, 2, 3, ovat paretta tosesa possulkeva, koska oletukse mukaa A 1 A, = 1, 2, 3,... B A 1 A Oletuksesta A 1 A, = 1, 2, 3, seuraa: ( B) = ( A \ A 1) = ( A) ( A 1) = 1, 2, 3, Lsäks o selvää, että Ste A = = 1 = 1 B ( A 1 ) = ( B = = 1 ) B A 1 A TKK () Ilkka Mell (2004) 98 Lause 1: Todstus kohdalle () 3/4 Koska joukot B, = 0, 1, 2, 3, ovat paretta tosesa possulkeva, Kolmogorov aksoomasta () seuraa: ( B ) ( ) ( ) 1 = B B = = + lm = 1 = 1 Sjottamalla tähä ( B ) = ( A) ( A ), = 1,2,3, saadaa lm ( B ) = lm ( A1) ( A2) ( A1) = 1 + ( A3) ( A2) + ( A 1) ( A 2) + ( A) ( A 1 ) = lm ( A ) + 1 Lause 1: Todstus kohdalle () 4/4 Yhdstämällä edellä johdetut tulokset saadaa lopulta: ( A ) ( ) ( ) 1 = B 1 = A lm = = + TKK () Ilkka Mell (2004) 99 TKK () Ilkka Mell (2004) 100 Lause 1: Todstus kohdalle () 1/3 Määrtellää C0 = S C1 = A1 C2 = A2 C3 = A3 ja ylesest C = A, = 1,2,3, Oletuksesta A 1 A, = 1, 2, 3, seuraa:, C = A A = C = 1,2,3, 1 1 Lause 1: Todstus kohdalle () 2/3 Sovelletaa joukkoh C, = 1, 2, 3, Lausee 1 kohtaa (): ( C ) lm ( ) 1 = C = + Koska C = A, = 1,2,3,, ( C ) ( = A ) = 1 ( A), = 1,2,3, DeMorga la mukaa ( ) ( ) C = A = A = 1 = 1 = 1 Komplemetttapahtuma todeäkösyyde kaava mukaa ( C 1 ) 1 ( C = = = 1 ) TKK () Ilkka Mell (2004) 101 TKK () Ilkka Mell (2004) 102

18 TKK () Ilkka Mell (2004) 103 Lause 1: Todstus kohdalle () 3/3 Yhdstämällä edellä johdetut tulokset saadaa lopulta: ( A 1 ) = ( C = = 1 ) = 1 ( C = 1 ) ( C ) ( A ) ( A ) = 1 lm + = 1 lm 1 + = lm + Lause 2 Olkoo ( S, F,) todeäkösyyskettä ja A1, A2, A3, F. Jos A A A, ( A ) lm = 0 + TKK () Ilkka Mell (2004) 104 Lause 2: Todstus Jos A A A, Ste A = = 1 Lausee 1 kohda () mukaa ( A ) ( ) = 1 = = 0 ( A ) lm ( ) 1 = A = + Yhdstämällä ämä tulokset saadaa: lm ( A ) = 0 + Lause 2 ja Kolmogorov aksoomat Vodaa osottaa, että Kolmogorov aksooma () A1, A2, A3, F ja A Aj =, j ( A) = ( A) o yhtäptävä aksoome () A1 A2 = ( A1 A2) = ( A1) + ( A2) (v) A A A lm A = ( ) kassa. Aksoomaa (v) kutsutaa use todeäkösyyde jatkuvuusaksoomaks. TKK () Ilkka Mell (2004) 105 TKK () Ilkka Mell (2004) 106

Kokonaistodennäköisyys ja Bayesin kaava. Kokonaistodennäköisyys ja Bayesin kaava. Kokonaistodennäköisyys ja Bayesin kaava: Esitiedot

Kokonaistodennäköisyys ja Bayesin kaava. Kokonaistodennäköisyys ja Bayesin kaava. Kokonaistodennäköisyys ja Bayesin kaava: Esitiedot TKK (c) Ilkka Mell (2004) Kokoastodeäkösyys ja Kokoastodeäkösyys ja : Johdato Kokoastodeäkösyyde ja Bayes kaavoje systeemteoreette tulkta Johdatus todeäkösyyslasketaa Kokoastodeäkösyys ja TKK (c) Ilkka

Lisätiedot

Mat Sovellettu todennäköisyyslaskenta B 8. harjoitukset / Ratkaisut Aiheet: Otos ja otosjakaumat Avainsanat:

Mat Sovellettu todennäköisyyslaskenta B 8. harjoitukset / Ratkaisut Aiheet: Otos ja otosjakaumat Avainsanat: Mat-1.60 Sovellettu todeäkösyyslasketa Mat-1.60 Sovellettu todeäkösyyslasketa B / Ratkasut Aheet: Otos ja otosjakaumat Avasaat: Artmeette keskarvo, Beroull-jakauma, Beroull-koe, χ -jakauma, Frekvess, Frekvessjakauma,

Lisätiedot

Todennäköisyyslaskennan kertausta

Todennäköisyyslaskennan kertausta Todeäkösyyslaskea kertausta Todeäkösyyslaskea kertausta 1. Joukko-opp Alko, Erotus, Joukko, Komplemett, Lekkaus, Perusjoukko, Psteveraus, Tyhjä joukko, Uo, Yhdste. Todeäkösyys ja se määrtteleme Alkestapahtuma,

Lisätiedot

Ilkka Mellin. Sovellettu todennäköisyyslasku: Kaavat ja taulukot

Ilkka Mellin. Sovellettu todennäköisyyslasku: Kaavat ja taulukot Mat-.09 Sovellettu todeäkösyyslasku Systeemaalyys laboratoro Teklle korkeakoulu SYKSY 00 Ilkka Mell Sovellettu todeäkösyyslasku: Kaavat ja taulukot f XY x X x X y Y ( x, y) exp XY ( XY ) XY XY X X Y Tomttaut

Lisätiedot

Konvergenssikäsitteet ja raja-arvolauseet. Konvergenssikäsitteet ja raja-arvolauseet. Konvergenssikäsitteet ja raja-arvolauseet: Mitä opimme?

Konvergenssikäsitteet ja raja-arvolauseet. Konvergenssikäsitteet ja raja-arvolauseet. Konvergenssikäsitteet ja raja-arvolauseet: Mitä opimme? TKK (c) Ilkka Mell (004) Kovergesskästteet ja raja-arvolauseet Kovergesskästtetä Suurte lukuje lat Keskee raja-arvolause Keskese raja-arvolausee seurauksa Johdatus todeäkösyyslasketaa Kovergesskästteet

Lisätiedot

1. Luvut 1, 10 on laitettu ympyrän kehälle. Osoita, että löytyy kolme vierekkäistä

1. Luvut 1, 10 on laitettu ympyrän kehälle. Osoita, että löytyy kolme vierekkäistä Johdatus dskreettn matematkkaan Harjotus 3, 30.9.2015 1. Luvut 1, 10 on latettu ympyrän kehälle. Osota, että löytyy kolme verekkästä lukua, joden summa on vähntään 17. Ratkasu. Tällasa kolmkkoja on 10

Lisätiedot

Osa 1: Todennäköisyys ja sen laskusäännöt. Todennäköisyyden aksioomat

Osa 1: Todennäköisyys ja sen laskusäännöt. Todennäköisyyden aksioomat Ilkka Mellin Todennäköisyyslaskenta Osa 1: Todennäköisyys ja sen laskusäännöt Todennäköisyyden aksioomat TKK (c) Ilkka Mellin (2007) 1 Todennäköisyyden aksioomat >> Todennäköisyyden määritteleminen Todennäköisyyden

Lisätiedot

Johdatus todennäköisyyslaskentaan Todennäköisyyden aksioomat. TKK (c) Ilkka Mellin (2005) 1

Johdatus todennäköisyyslaskentaan Todennäköisyyden aksioomat. TKK (c) Ilkka Mellin (2005) 1 Johdatus todennäköisyyslaskentaan Todennäköisyyden aksioomat TKK (c) Ilkka Mellin (2005) 1 Todennäköisyyden aksioomat Todennäköisyyden määritteleminen Todennäköisyyden aksioomat äärellisissä otosavaruuksissa

Lisätiedot

Satunnaismuuttujat ja todennäköisyysjakaumat

Satunnaismuuttujat ja todennäköisyysjakaumat Satuasmuuttujat ja todeäkösyysjakaumat Todeäkösyyslasketa: Satuasmuuttujat ja todeäkösyysjakaumat 9. Satuasmuuttujat ja todeäkösyysjakaumat 0. Kertymäfukto. Jakaume tuusluvut. Moulotteset satuasmuuttujat

Lisätiedot

Tilastollinen päättely. 2. Datan redusoinnin periaatteet Tyhjentävyys Uskottavuus

Tilastollinen päättely. 2. Datan redusoinnin periaatteet Tyhjentävyys Uskottavuus Mat.36 Tlastolle päättely. Data reduso peraatteet Tlastolle päättely. Data reduso peraatteet.. Tyhjetävyys Asllaarsuus, Basu teoreema, Data redusot, Faktorotteoreema, Iformaato, Mmaale tyhjetävyys, Otos,

Lisätiedot

TKK @ Ilkka Mellin (2008) 1/24

TKK @ Ilkka Mellin (2008) 1/24 Mat-.60 Sovellettu todeäkösyyslasketa B Mat-.60 Sovellettu todeäkösyyslasketa B / Ratkasut Aheet: Mtta-astekot Havatoaesto kuvaame ja otostuusluvut Avasaat: Artmeette keskarvo, Frekvess, Frekvessjakauma,

Lisätiedot

Tilastollinen päättely. 2. Datan redusoinnin periaatteet Tyhjentävyys Uskottavuus

Tilastollinen päättely. 2. Datan redusoinnin periaatteet Tyhjentävyys Uskottavuus Mat-1.361 Tlastolle päättely. Data reduso peraatteet Tlastolle päättely. Data reduso peraatteet.1. Tyhjetävyys Asllaarsuus, Basu teoreema, Data redusot, Faktorotteoreema, Iformaato, Mmaale tyhjetävyys,

Lisätiedot

Satunnaismuuttujat ja todennäköisyysjakaumat

Satunnaismuuttujat ja todennäköisyysjakaumat Satuasmuuttujat ja todeäkösyysjakaumat Todeäkösyyslasketa: Satuasmuuttujat ja todeäkösyysjakaumat 9. Satuasmuuttujat ja todeäkösyysjakaumat 0. Kertymäfukto. Jakaume tuusluvut. Moulotteset satuasmuuttujat

Lisätiedot

Luento 6 Luotettavuus Koherentit järjestelmät

Luento 6 Luotettavuus Koherentit järjestelmät Aalto-ylosto erustetede korkeakoulu Matematka a systeemaalyys latos Lueto 6 Luotettavuus Koherett ärestelmät Aht Salo Systeemaalyys laboratoro Matematka a systeemaalyys latos Aalto-ylosto erustetede korkeakoulu

Lisätiedot

Todennäköisyyslaskennan ja tilastotieteen peruskurssi Esimerkkikokoelma 2

Todennäköisyyslaskennan ja tilastotieteen peruskurssi Esimerkkikokoelma 2 Todeäkösyyslaskea ja tlastotetee peruskurss Esmerkkkokoelma Aheet: Satuasmuuttujat ja todeäkösyysjakaumat Kertymäfukto Jakaume tuusluvut Dskreettejä jakauma Jatkuva jakauma Avasaat: Bomjakauma Desl Dskreett

Lisätiedot

9. Jakojärjestelmät. Sisältö. Puhdas jakojärjestelmä. Yksinkertainen liikenneteoreettinen malli

9. Jakojärjestelmät. Sisältö. Puhdas jakojärjestelmä. Yksinkertainen liikenneteoreettinen malli Ssältö Kertausta: ykskertae lkeeteoreette mall M/M/-PS asakasta palvelja asakaspakkaa M/M/-PS asakasta palveljaa asakaspakkaa Sovellus elastse datalketee malltamsee vuotasolla M/M//k/k-PS k asakasta palvelja

Lisätiedot

9. Jakojärjestelmät. Sisältö. Puhdas jakojärjestelmä. Yksinkertainen liikenneteoreettinen malli

9. Jakojärjestelmät. Sisältö. Puhdas jakojärjestelmä. Yksinkertainen liikenneteoreettinen malli lueto9.ppt S-38.45 Lkeeteora perusteet Kevät 5 Ykskertae lkeeteoreette mall Puhdas jakojärjestelmä Asakkata saapuu keskmäär opeudella asakasta per akayks. / keskmääräe asakkade välaka Asakkata palvellaa

Lisätiedot

13. Lineaariset ensimmäisen kertaluvun differentiaalisysteemit

13. Lineaariset ensimmäisen kertaluvun differentiaalisysteemit 68 3. Leaarset esmmäse kertaluvu dfferetaalsysteemt Tarkastelemme systeemejä () x () t = A() t x() t + b () t, jossa matrs A kertomet ja b ovat välllä I jatkuva. Jatkuve vektorarvoste fuktode avaruutta

Lisätiedot

= E(Y 2 ) 1 n. = var(y 2 ) = E(Y 4 ) (E(Y 2 )) 2. Materiaalin esimerkin b) nojalla log-uskottavuusfunktio on l(θ; y) = n(y θ)2

= E(Y 2 ) 1 n. = var(y 2 ) = E(Y 4 ) (E(Y 2 )) 2. Materiaalin esimerkin b) nojalla log-uskottavuusfunktio on l(θ; y) = n(y θ)2 HY / Matematka ja tlastotetee latos Tlastolle päättely II, kevät 28 Harjotus 3A Ratkasuehdotuksa Tehtäväsarja I Olkoot Y,, Y ja Nθ, ) Osota, että T T Y) Y 2 o parametr gθ) θ 2 harhato estmaattor Laske

Lisätiedot

TILASTOMATEMATIIKKA I

TILASTOMATEMATIIKKA I TILASTOMATEMATIIKKA I Srkku Parvae 1. JOHDANTO MIHIN TILASTOTIEDETTÄ TARVITAAN? suure havatomäärä (data) keräämsee, tetoje tvstämsee ja kuvaluu (deskrptvset meetelmät, data-aalyys) johtopäätöste tekemsee

Lisätiedot

Raja-arvot. Osittaisderivaatat.

Raja-arvot. Osittaisderivaatat. 1 MAT-13440 LAAJA MATEMATIIKKA 4 Tamperee teklle ylopsto Rsto Slveoe Kevät 2010 Luku 3 Raja-arvot Osttasdervaatat 1 Fuktode raja-arvot Tarkastelemme fuktota f : A, jode määrttelyjoukko A T Muuttujat ovat

Lisätiedot

Mat Koesuunnittelu ja tilastolliset mallit. Yhden selittäjän lineaarinen regressiomalli. Avainsanat:

Mat Koesuunnittelu ja tilastolliset mallit. Yhden selittäjän lineaarinen regressiomalli. Avainsanat: Mat-.3 Koesuuttelu ja tlastollset mallt 4. harjotukset Mat-.3 Koesuuttelu ja tlastollset mallt 4. harjotukset / Ratkasut Aheet: Avasaat: Yhde selttäjä leaare regressomall Artmeette keskarvo, Estmaatt,

Lisätiedot

TILASTOMATEMATIIKKA I

TILASTOMATEMATIIKKA I TILASTOMATEMATIIKKA I Srkku Parvae 1. JOHDANTO MIHIN TILASTOTIEDETTÄ TARVITAAN? suure havatomäärä (data) keräämsee, tetoje tvstämsee ja kuvaluu (deskrptvset meetelmät, data-aalyys) johtopäätöste tekemsee

Lisätiedot

Jakaumien tunnusluvut. Jakaumien tunnusluvut. Jakaumien tunnusluvut: Mitä opimme? 2/2. Jakaumien tunnusluvut: Mitä opimme? 1/2

Jakaumien tunnusluvut. Jakaumien tunnusluvut. Jakaumien tunnusluvut: Mitä opimme? 2/2. Jakaumien tunnusluvut: Mitä opimme? 1/2 TKK (c) Ila Mell (4) Jaaume tuusluvut Johdatus todeäösyyslasetaa Jaaume tuusluvut Marov ja Tshebyshev epäyhtälöt Momett Vous ja hupuuus Suurte luuje la TKK (c) Ila Mell (4) Jaaume tuusluvut: Mtä opmme?

Lisätiedot

Mat Sovellettu todennäköisyyslasku A

Mat Sovellettu todennäköisyyslasku A TKK / Systeemaalyys laboratoro Mat-.9 Sovellettu todeäkösyyslasku A Nordlud Harjotus 8 (vko 45/3) (Ahe: Raja-arvolauseta, otostuuslukuja, johdatusta estmot, Lae luvut 9.5,.-.6). Olkoo X ~ p(λ), mssä λ

Lisätiedot

1.2. Aritmeettisen keskiarvon ja otosvarianssin otosjakaumat: Odotusarvot ja varianssit

1.2. Aritmeettisen keskiarvon ja otosvarianssin otosjakaumat: Odotusarvot ja varianssit Tlastolle päättely. Otosjakaumat Tlastolle päättely. Otosjakaumat.. Otos, otostuusluvut ja de otosjakaumat Arvota, Havato, Havatoarvo, Otos, Otosjakauma, Otostuusluku, Rppumattomuus, Satuasmuuttuja, Satuasotos,

Lisätiedot

MS-A0501 Todennäköisyyslaskennan ja tilastotieteen peruskurssi Esimerkkikokoelma 5 Aiheet: Tilastolliset testit Avainsanat:

MS-A0501 Todennäköisyyslaskennan ja tilastotieteen peruskurssi Esimerkkikokoelma 5 Aiheet: Tilastolliset testit Avainsanat: MS-A5 Todeäkösyyslaskea ja tlastotetee peruskurss Esmerkkkokoelma 5 MS-A5 Todeäkösyyslaskea ja tlastotetee peruskurss Esmerkkkokoelma 5 Aheet: Tlastollset testt Avasaat: Artmeette keskarvo Beroull-jakauma

Lisätiedot

7. Modulit Modulit ja lineaarikuvaukset.

7. Modulit Modulit ja lineaarikuvaukset. 7. Modult Vektoravaruudet ovat vahdannasa ryhmä, jossa on määrtelty jonkn kunnan skalaartomnta. Hyväksymällä kerronrakenteeks kunnan sjaan rengas saadaan rakenne nmeltä modul. Moduln käste on ss vektoravaruuden

Lisätiedot

Mat Sovellettu todennäköisyyslaskenta B 9. harjoitukset / Ratkaisut Aiheet: Estimointi Estimointimenetelmät Väliestimointi Avainsanat:

Mat Sovellettu todennäköisyyslaskenta B 9. harjoitukset / Ratkaisut Aiheet: Estimointi Estimointimenetelmät Väliestimointi Avainsanat: Mat-.60 Sovellettu todeäkösyyslasketa B Mat-.60 Sovellettu todeäkösyyslasketa B / Ratkasut Aheet: Estmot Estmotmeetelmät Välestmot Avasaat: Artmeette keskarvo, Beroull-jakauma, Beroull-koe, Estmaatt, Estmaattor,

Lisätiedot

Tilastollinen päättely. 4. Hypoteesien testaus Johdanto Testien konstruointi Testien vertailu

Tilastollinen päättely. 4. Hypoteesien testaus Johdanto Testien konstruointi Testien vertailu Mat-1.361 Tlastolle päättely 4. Hypoteese testaus Tlastolle päättely 4. Hypoteese testaus 4.1. Johdato Hylkäysalue, Hypotees, Hyväksymsalue, Krtte alue, Nollahypotees, Otos, Parametr, Parametravaruus,

Lisätiedot

Tilastollinen päättely. 3. Piste-estimointi Johdanto Estimointimenetelmät Estimaattoreiden ominaisuudet

Tilastollinen päättely. 3. Piste-estimointi Johdanto Estimointimenetelmät Estimaattoreiden ominaisuudet Mat-1.361 Tlastolle päättely 3. Pste-estmot Tlastolle päättely 3. Pste-estmot 3.1. Johdato Estmaattor, Estmaatt, Estmot, Havato, Havatopste, Otos, Otostuusluku, Parametr, Pste-estmot, Pstetodeäkösyysfukto,

Lisätiedot

Markov-prosessit (Jatkuva-aikaiset Markov-ketjut)

Markov-prosessit (Jatkuva-aikaiset Markov-ketjut) J. Vrtamo Lkenneteora a lkenteenhallnta / Markov-prosesst 1 Markov-prosesst (Jatkuva-akaset Markov-ketut) Tarkastellaan (statonaarsa) Markov-prosessea, oden parametravaruus on atkuva (yleensä aka). Srtymät

Lisätiedot

Moniulotteiset jakaumat ja havaintoaineistot

Moniulotteiset jakaumat ja havaintoaineistot Momuuttujameetelmät: Ilkka Mell. Moulotteset jakaumat.. Satuasmuuttujat ja todeäkösyysjakaumat.. Yhtesjakaumat.3. Reuajakaumat ja satuasmuuttuje rumattomuus.4. Ehdollset jakaumat.5. Yhtesjakaume tuusluvut.6.

Lisätiedot

2-suuntainen vaihtoehtoinen hypoteesi

2-suuntainen vaihtoehtoinen hypoteesi Mat-.6 Sovellettu todeäkösyyslasketa. harjotukset Mat-.6 Sovellettu todeäkösyyslasketa B. harjotukset / Ratkasut Aheet: Tlastollset testt Avasaat: Artmeette keskarvo, Beroull-jakauma, F-jakauma, F-test,

Lisätiedot

Lohkoasetelmat. Lohkoasetelmat. Lohkoasetelmat: Mitä opimme? Lohkoasetelmat. Lohkoasetelmat. Satunnaistettu täydellinen lohkoasetelma 1/4

Lohkoasetelmat. Lohkoasetelmat. Lohkoasetelmat: Mitä opimme? Lohkoasetelmat. Lohkoasetelmat. Satunnaistettu täydellinen lohkoasetelma 1/4 TKK (c) lkka Melln (005) Koesuunnttelu TKK (c) lkka Melln (005) : Mtä opmme? Tarkastelemme tässä luvussa seuraavaa kysymystä: Mten varanssanalyysssa tutktaan yhden tekän vakutusta vastemuuttujaan, kun

Lisätiedot

Tilastollinen päättely. 4. Hypoteesien testaus Johdanto Testien konstruointi Testien vertailu

Tilastollinen päättely. 4. Hypoteesien testaus Johdanto Testien konstruointi Testien vertailu Mat.36 Tlastolle päättely 4. Hypoteese testaus Tlastolle päättely 4. Hypoteese testaus 4.. Johdato Hylkäysalue, Hypotees, Hyväksymsalue, Krtte alue, Nollahypotees, Otos, Parametr, Parametravaruus, Perusjoukko,

Lisätiedot

Mat /Mat Matematiikan peruskurssi C3/KP3-I Harjoitus 2, esimerkkiratkaisut

Mat /Mat Matematiikan peruskurssi C3/KP3-I Harjoitus 2, esimerkkiratkaisut Harjotus, esmerkkratkasut K 1. Olkoon f : C C, f(z) z z. Tutk, mssä pstessä f on dervotuva. Ratkasu 1. Jotta funkto on dervotuva, on sen erotusosamäärän f(z + ) f(z) raja-arvon 0 oltava olemassa ja ss

Lisätiedot

HY, MTO / Matemaattisten tieteiden kandiohjelma Tilastollinen päättely II, kevät 2018 Harjoitus 7B Ratkaisuehdotuksia.

HY, MTO / Matemaattisten tieteiden kandiohjelma Tilastollinen päättely II, kevät 2018 Harjoitus 7B Ratkaisuehdotuksia. HY, MTO / Matemaattste tetede kadohjelma Tlastolle päättely II, kevät 208 Harjotus 7B Ratkasuehdotuksa Tehtäväsarja I Olkoo Y, Y rppumato otos Pareto jakaumasta, fy; θ θc θ y θ+ { y > c } tuetulla vakolla

Lisätiedot

6. Stokastiset prosessit (2)

6. Stokastiset prosessit (2) Ssältö Markov-prosesst Syntymä-kuolema-prosesst luento6.ppt S-38.45 - Lkenneteoran perusteet - Kevät 6 Markov-prosess Esmerkk Tark. atkuva-akasta a dskreetttlasta stokaststa prosessa X(t) oko tla-avaruudella

Lisätiedot

Tavoitteet skaalaavan funktion lähestymistapa eli referenssipiste menetelmä

Tavoitteet skaalaavan funktion lähestymistapa eli referenssipiste menetelmä Tavotteet skaalaavan funkton lähestymstapa el referensspste menetelmä Optmontopn semnaar - Kevät 2000 / 1 Estelmän ssältö Panotetun metrkan ongelmen havatsemnen Referensspste menetelmän dean esttely Referensspste

Lisätiedot

1.4. Aritmeettisen keskiarvon otosjakauma: Suurten otosten tuloksia

1.4. Aritmeettisen keskiarvon otosjakauma: Suurten otosten tuloksia Tlastolle päättely. Otosjakaumat Tlastolle päättely. Otosjakaumat.. Otos, otostuusluvut ja de otosjakaumat Arvota, Havato, Havatoarvo, Otos, Otosjakauma, Otostuusluku, Rppumattomuus, Satuasmuuttuja, Satuasotos,

Lisätiedot

Ilkka Mellin Todennäköisyyslaskenta Liite 1: Joukko-oppi

Ilkka Mellin Todennäköisyyslaskenta Liite 1: Joukko-oppi Ilkka Mellin Todennäköisyyslaskenta Liite 1: Joukko-oppi TKK (c) Ilkka Mellin (2007) 1 Joukko-oppi >> Joukko-opin peruskäsitteet Joukko-opin perusoperaatiot Joukko-opin laskusäännöt Funktiot Tulojoukot

Lisätiedot

1. (Monisteen teht. 5.16) Eräiden kuulalaakereiden kestoa (miljoonaa kierrosta) on totuttu kuvaamaan Weibull-jakaumalla, jonka tiheysfunktio on

1. (Monisteen teht. 5.16) Eräiden kuulalaakereiden kestoa (miljoonaa kierrosta) on totuttu kuvaamaan Weibull-jakaumalla, jonka tiheysfunktio on HY MTO / Matemaattste tetede kadohjelma Tlastolle päättely II kevät 019 Harjotus 7B Ratkasuehdotuksa Tehtäväsarja I 1 Mostee teht 516 Eräde kuulalaakerede kestoa mljooaa kerrosta o totuttu kuvaamaa Webull-jakaumalla

Lisätiedot

ABTEKNILLINEN KORKEAKOULU

ABTEKNILLINEN KORKEAKOULU ABTEKNILLINEN KORKEAKOULU Tetoverkkolaboratoro 6. Stokastset prosesst () Luento6.ppt S-38.45 - Lkenneteoran perusteet - Kevät 5 6. Stokastset prosesst () Ssältö Markov-prosesst Syntymä-kuolema-prosesst

Lisätiedot

Johdatus matemaattiseen päättelyyn

Johdatus matemaattiseen päättelyyn Johdatus matemaattiseen päättelyyn Maarit Järvenpää Oulun yliopisto Matemaattisten tieteiden laitos Syyslukukausi 2015 1 Merkintöjä 2 Todistamisesta 2 3 Joukko-oppia Tässä luvussa tarkastellaan joukko-opin

Lisätiedot

HASSEN-WEILIN LAUSE. Kertausta

HASSEN-WEILIN LAUSE. Kertausta HASSEN-WEILIN LAUSE Kertausta Käytetään seuraava merkntjä F = F/F q on sukua g oleva funktokunta Z F (t = L F (t (1 t(1 qt on funktokunnan F/F q Z-funkto. α 1, α 2,..., α 2g ovat polynomn L F (t nollakohten

Lisätiedot

Kokonaislukuoptimointi

Kokonaislukuoptimointi Kokonaslukuotmont Robust dskreett otmont ysteemanalyysn Laboratoro Teknllnen korkeakoulu Ar-Pekka Perkkö ovelletun matematkan tutkasemnaar Kevät 28 sältö Robustn lneaarsen kokonasluku- sekä sekalukuotmontongelman

Lisätiedot

Tchebycheff-menetelmä ja STEM

Tchebycheff-menetelmä ja STEM Tchebycheff-menetelmä ja STEM Optmontopn semnaar - Kevät 2000 / 1 1. Johdanto Tchebycheff- ja STEM-menetelmät ovat vuorovakuttesa menetelmä evät perustu arvofunkton käyttämseen pyrkvät shen, että vahtoehdot

Lisätiedot

T p = 0. λ n i T i B = Käytetään kohdan (i) identiteetin todistamiseen induktiotodistusta. : Oletetaan, että väite on totta, kun n = k.

T p = 0. λ n i T i B = Käytetään kohdan (i) identiteetin todistamiseen induktiotodistusta. : Oletetaan, että väite on totta, kun n = k. Olkoot A R n n ja T R n n sten, että on olemassa ndeks p N jolle T p = Tällästä matrsa kutsutaa nlpotentks Näytä, että () () () Olkoot Määrtä matrs B n (λi + A) n = (λi + T ) n = B = n mn n,p ( ) n λ n

Lisätiedot

Tilastollinen päättely. 3. Piste estimointi Johdanto Estimointimenetelmät Estimaattoreiden ominaisuudet

Tilastollinen päättely. 3. Piste estimointi Johdanto Estimointimenetelmät Estimaattoreiden ominaisuudet Mat.36 Tlastolle päättely 3. Pste estmot Tlastolle päättely 3. Pste estmot 3.. Johdato Estmaattor, Estmaatt, Estmot, Havato, Havatopste, Otos, Otostuusluku, Parametr, Pste estmot, Pstetodeäkösyysfukto,

Lisätiedot

3. Monitavoitteinen arvoteoria

3. Monitavoitteinen arvoteoria 3. Motavottee arvoteora 3 Motavottee arvoteora Eglakelsä termejä Multattrbute Value Theory (MAVT) Value Tree Aalyss Arvopuuaalyys tarkottaa. tehtävä tavottede, krteere ja attrbuutte jäsetämstä herarkseks

Lisätiedot

Äärellisten ryhmien hajotelmat suoriksi tuloiksi

Äärellisten ryhmien hajotelmat suoriksi tuloiksi TAMPEREEN YLIOPISTO Pro gradu -tutkelma Vel-Matt Nemnen Äärellsten ryhmen hajotelmat suorks tuloks Informaatoteteden ykskkö Matematkka Kesäkuu 2016 Tampereen ylopsto Informaatoteteden ykskkö NIEMINEN,

Lisätiedot

Joukko-oppi. Joukko-oppi. Joukko-oppi. Joukko-oppi: Mitä opimme? Joukko-opin peruskäsitteet

Joukko-oppi. Joukko-oppi. Joukko-oppi. Joukko-oppi: Mitä opimme? Joukko-opin peruskäsitteet TKK () Ilkka Mellin (2004) 1 Joukko-oppi Liite: Joukko-oppi TKK () Ilkka Mellin (2004) 2 Joukko-oppi: Mitä opimme? Tämän liitteen tavoitteena on esitellä joukko-opin peruskäsitteet ja - operaatiot laajuudessa,

Lisätiedot

Matematiikan ja tilastotieteen laitos Johdatus diskreettiin matematiikkaan (Syksy 2008) 4. harjoitus Ratkaisuja (Jussi Martin)

Matematiikan ja tilastotieteen laitos Johdatus diskreettiin matematiikkaan (Syksy 2008) 4. harjoitus Ratkaisuja (Jussi Martin) Matematan ja tlastoteteen latos Johdatus dsreettn matemataan (Sysy 28 4. harjotus Ratasuja (Juss Martn 1. Kertomus Hotell Kosmosesta jatuu: Hotellyhtymän johdolta tul määräys laata luettelo asta mahdollssta

Lisätiedot

B. Siten A B, jos ja vain jos x A x

B. Siten A B, jos ja vain jos x A x Mat-1.2600 Sovellettu todennäköisyyslaskenta B / Ratkaisut Aiheet: Johdanto Joukko-opin peruskäsitteet Todennäköisyyslaskennan peruskäsitteet Todennäköisyyslaskennan peruslaskusäännöt Avainsanat: Alkeistapahtuma,

Lisätiedot

AB TEKNILLINEN KORKEAKOULU

AB TEKNILLINEN KORKEAKOULU B TEKNILLINEN KORKEKOULU Tetoverkkolaboratoro luento05.ppt S-38.45 - Lkenneteoran perusteet - Kevät 00 Ssältö eruskästteet Dskreett satunnasmuuttujat Dskreett jakaumat lkm-jakaumat Jatkuvat satunnasmuuttujat

Lisätiedot

7. Menetysjärjestelmät

7. Menetysjärjestelmät lueto7.ppt S-38.45 Leeteora perusteet Kevät 25 Ssältö Kertausta: ysertae leeteoreette mall Posso-mall asaata, palvelota Sovellus vrtaava dataletee malltamsee vuotasolla Erlag-mall asaata, palvelota < Sovellus

Lisätiedot

Monte Carlo -menetelmä

Monte Carlo -menetelmä Monte Carlo -menetelmä Helumn perustlan elektron-elektron vuorovakutuksen laskemnen parametrsodulla yrteaaltofunktolla. Menetelmän käyttökohde Monen elektronn systeemen elektronkorrelaato oteuttamnen mulla

Lisätiedot

Tilastolliset menetelmät: Otokset, otosjakaumat ja estimointi. 4. Otokset ja otosjakaumat 5. Estimointi 6. Estimointimenetelmät 7.

Tilastolliset menetelmät: Otokset, otosjakaumat ja estimointi. 4. Otokset ja otosjakaumat 5. Estimointi 6. Estimointimenetelmät 7. Tlastollset meetelmät Otokset, otosjakaumat ja estmot Tlastollset meetelmät: Otokset, otosjakaumat ja estmot 4. Otokset ja otosjakaumat 5. Estmot 6. Estmotmeetelmät 7. Välestmot Ilkka Mell 5 Tlastollset

Lisätiedot

Jaksolliset ja toistuvat suoritukset

Jaksolliset ja toistuvat suoritukset Jaksollset ja tostuvat suortukset Korkojakson välen tostuva suortuksa kutsutaan jaksollsks suortuksks. Tarkastelemme tässä myös ylesempä tlanteta jossa samansuurunen talletus tehdään tasavälen mutta e

Lisätiedot

Valitsemalla sopivat alkiot joudutaan tämän määritelmän kanssa vaikeuksiin, jotka voidaan välttää rakentamalla joukko oppi aksiomaattisesti.

Valitsemalla sopivat alkiot joudutaan tämän määritelmän kanssa vaikeuksiin, jotka voidaan välttää rakentamalla joukko oppi aksiomaattisesti. Joukon määritelmä Joukko on alkioidensa kokoelma. Valitsemalla sopivat alkiot joudutaan tämän määritelmän kanssa vaikeuksiin, jotka voidaan välttää rakentamalla joukko oppi aksiomaattisesti. Näin ei tässä

Lisätiedot

3.5 Generoivat funktiot ja momentit

3.5 Generoivat funktiot ja momentit 3.5. Generovat funktot ja momentt 83 3.5 Generovat funktot ja momentt 3.5.1 Momentt Eräs tapa luonnehta satunnasmuuttujan jakaumaa, on laskea jakauman momentt. Ne määrtellään odotusarvon avulla. Määrtelmä

Lisätiedot

Johdatus todennäköisyyslaskentaan Joukko-oppi. TKK (c) Ilkka Mellin (2005) 1

Johdatus todennäköisyyslaskentaan Joukko-oppi. TKK (c) Ilkka Mellin (2005) 1 Johdatus todennäköisyyslaskentaan Joukko-oppi TKK (c) Ilkka Mellin (2005) 1 Joukko-oppi Joukko-opin peruskäsitteet Joukko-opin perusoperaatiot Joukko-opin laskusäännöt Funktiot Tulojoukot ja funktioiden

Lisätiedot

MTTTP1 SELITYKSIÄ JA ESIMERKKEJÄ KAAVAKOKOELMAN KAAVOIHIN LIITTYEN

MTTTP1 SELITYKSIÄ JA ESIMERKKEJÄ KAAVAKOKOELMAN KAAVOIHIN LIITTYEN MTTTP SELITYKSIÄ JA ESIMERKKEJÄ KAAVAKOKOELMAN KAAVOIHIN LIITTYEN Aesto kaavoje () (3), (9) ja () esmerkkeh Lepakot pakallstavat hyötesä lähettämällä korkeataajusta äätä Ne pystyvät pakallstamaa hyöteset

Lisätiedot

Tilastollinen todennäköisyys

Tilastollinen todennäköisyys Tilastollie todeäköisyys TOD.NÄK JA TILASTOT, MAA10 Klassisessa todeäköisyydessä oli ehdot: äärellisyys ja symmetrisyys. Tämä tilae o usei mahdoto ts. alkeistapauksia o usei ääretö määrä tai e eivät ole

Lisätiedot

Turingin kone on kuin äärellinen automaatti, jolla on käytössään

Turingin kone on kuin äärellinen automaatti, jolla on käytössään 4 TUINGIN KONEET Ala Turg 1935 36 auha Koe vo srtää auha: T U I N G auhapää: ohjausykskkö: Turg koe o ku äärelle automaatt, jolla o käytössää auhapäätä vasemmalle ta okealle; se vo myös lukea ta krjottaa

Lisätiedot

Baltian Tie 2001 ratkaisuja

Baltian Tie 2001 ratkaisuja Balta Te 001 ratkasuja 1. Olkoot tehtävät T, = 1,,..., 8. Eräs mahdollsuus jakaa tehtävät kahdeksalle opskeljalle O j, j =1,,..., 8 o ohesessa taulukossa T 1 T T T 4 T T 6 T 7 T 8 O 1 O O O 4 O O 6 O 7

Lisätiedot

Ilkka Mellin (2006) 1/1

Ilkka Mellin (2006) 1/1 Mat-.60 Sovellettu todeäkösyyslasketa B Mat-.60 Sovellettu todeäkösyyslasketa B / Ratkasut Aheet: Mtta-astekot Havatoaesto kuvaame ja otostuusluvut Avasaat: Artmeette keskarvo, Frekvess, Frekvessjakauma,

Lisätiedot

10.5 Jaksolliset suoritukset

10.5 Jaksolliset suoritukset 4.5 Jaksollset suortukset Tarkastellaa tlaetta, jossa asakas tallettaa pakktllle tostuvast yhtäsuure rahasumma k aa korkojakso lopussa. Asakas suorttaa talletukse kertaa. Lasketaa tlllä oleva pääoma :e

Lisätiedot

Mat Lineaarinen ohjelmointi

Mat Lineaarinen ohjelmointi Mat-.4 Lneaarnen ohelmont 8..7 Luento 6 Duaaltehtävä (kra 4.-4.4) S ysteemanalyysn Lneaarnen ohelmont - Syksy 7 / Luentorunko Motvont Duaaltehtävä Duaalteoreemat Hekko duaalsuus Vahva duaalsuus Täydentyvyysehdot

Lisätiedot

( ) k 1 = a b. b 1) Binomikertoimen määritelmän mukaan yhtälön vasen puoli kertoo kuinka monta erilaista b-osajoukkoa on a-joukolla.

( ) k 1 = a b. b 1) Binomikertoimen määritelmän mukaan yhtälön vasen puoli kertoo kuinka monta erilaista b-osajoukkoa on a-joukolla. Kombiatoriikka, kesä 2010 Harjoitus 2 Ratkaisuehdotuksia (RT) (5 sivua) Käytä tehtävissä 1-3 kombiatorista päättelyä. 1. Osoita, että kaikilla 0 b a pätee ( ) a a ( ) k 1 b b 1 kb Biomikertoime määritelmä

Lisätiedot

Algebra I, harjoitus 5,

Algebra I, harjoitus 5, Algebra I, harjoitus 5, 7.-8.10.2014. 1. 2 Osoita väitteet oikeiksi tai vääriksi. a) (R, ) on ryhmä, kun asetetaan a b = 2(a + b) aina, kun a, b R. (Tässä + on reaalilukujen tavallinen yhteenlasku.) b)

Lisätiedot

Hanna-Kaisa Hurme Teräksen tilastollinen rakenneanalyysi Diplomityö

Hanna-Kaisa Hurme Teräksen tilastollinen rakenneanalyysi Diplomityö Hanna-Kasa Hurme Teräksen tlastollnen rakenneanalyys Dplomtyö Tarkastajat: professor Kejo Ruohonen (TUT) ja dosentt Esko Turunen (TUT) Tarkastajat ja ahe hyväksytty Luonnonteteden ja ympärstöteknkan tedekuntaneuvoston

Lisätiedot

Painotetun metriikan ja NBI menetelmä

Painotetun metriikan ja NBI menetelmä Panotetun metrkan ja NBI menetelmä Optmontopn semnaar - Kevät / 1 Estelmän ssältö Paretopsteden generont panotetussa metrkossa Panotettu L p -metrkka Panotettu L -metrkka el panotettu Tchebycheff -metrkka

Lisätiedot

Suoran sovittaminen pistejoukkoon

Suoran sovittaminen pistejoukkoon Suora sovttame pstejoukkoo Ku halutaa tutka kahde tlastollse muuttuja rppuvuutta tosstaa, käytetää use leaarsta regressota el suora sovttamsta havatojoukkoo. Sä o aettu joukko havatopareja (x, y ), ja

Lisätiedot

Muuttujien välisten riippuvuuksien analysointi

Muuttujien välisten riippuvuuksien analysointi Mat-.4 Tlastollse aalyys peusteet, kevät 7 5. lueto: Tlastolle ppuvuus ja koelaato Muuttuje välste ppuvuukse aalysot Tlastollsssa aalyysessä tutktaa use muuttuje välsä ppuvuuksa Työttömyysastee ppuvuus

Lisätiedot

Työn tavoitteita. 1 Johdanto. 2 Ideaalikaasukäsite ja siihen liittyvät yhtälöt

Työn tavoitteita. 1 Johdanto. 2 Ideaalikaasukäsite ja siihen liittyvät yhtälöt FYSP103 / 1 KAASUTUTKIMUS Työn tavotteta havannollstaa deaalkaasun tlanyhtälöä oppa, mten lman kosteus vakuttaa havattavn lmöhn ja mttaustuloksn kerrata mttauspöytäkrjan ja työselostuksen laatmsta Luento-

Lisätiedot

Tilastollinen riippuvuus ja korrelaatio. Tilastollinen riippuvuus ja korrelaatio. Tilastollinen riippuvuus ja korrelaatio: Esitiedot

Tilastollinen riippuvuus ja korrelaatio. Tilastollinen riippuvuus ja korrelaatio. Tilastollinen riippuvuus ja korrelaatio: Esitiedot TKK (c) Ilkka Mell (4) Tlastolle rppuvuus ja korrelaato Tlastolle rppuvuus, korrelaato ja regresso Kahde muuttuja havatoaesto kuvaame Pearso korrelaatokertome estmot ja testaus Järjestyskorrelaatokertomet

Lisätiedot

Mat Koesuunnittelu ja tilastolliset mallit

Mat Koesuunnittelu ja tilastolliset mallit Mat-.03 Koeuuttelu tlatollet mallt. harjotuket Mat-.03 Koeuuttelu tlatollet mallt. harjotuket / Ratkaut Aheet: Avaaat: Tlatollte aetoje kuvaame Oto otokaumat Etmot Etmotmeetelmät Väletmot Artmeette kekarvo,

Lisätiedot

Tilastollisen fysiikan luennot

Tilastollisen fysiikan luennot Tlastollsen fyskan luennot Tvstelmät luvuttan I PERUSKÄSITTEITÄ JA MÄÄRITELMIÄ Lämpö on systeemen mkroskooppsten osen satunnasta lkettä Lämpöenerga vrtaa kuumemmasta kappaleesta kylmempään Jos kaks kappaletta

Lisätiedot

MS-A0501 Todennäköisyyslaskennan ja tilastotieteen peruskurssi Viikko 4

MS-A0501 Todennäköisyyslaskennan ja tilastotieteen peruskurssi Viikko 4 MS-A Todeäkösyyslaskea ja tlastotetee peruskurss Vkko Tlastollste aestoje kerääme ja mttaame; tlastollste aestoje kuvaame; Otokset ja otosjakaumat; Estmot; Estmotmeetelmät; Vällestmot Mtä tlastotede o?

Lisätiedot

Eräs Vaikutuskaavioiden ratkaisumenetelmä

Eräs Vaikutuskaavioiden ratkaisumenetelmä Mat-2.142 Optmontopn semnaar, s-99 28.9. 1999 Semnaarestelmän referaatt Joun Ikonen Lähde: Ross D. Schachter: Evaluatng nfluence dagrams, Operatons Research, Vol 34, No 6, 1986 Eräs Vakutuskaavoden ratkasumenetelmä

Lisätiedot

Ratkaisu: a) Kahden joukon yhdisteseen poimitaan kaikki alkiot jotka ovat jommassakummassa joukossa (eikä mitään muuta).

Ratkaisu: a) Kahden joukon yhdisteseen poimitaan kaikki alkiot jotka ovat jommassakummassa joukossa (eikä mitään muuta). Matematiikan laitos Johdatus Diskreettiin Matematiikaan Harjoitus 1 03.11.2010 Ratkaisuehdotuksia Aleksandr Nuija 1. Tarkastellaan joukkoja A = {1,3,4}, B = {2,3,7,9} ja C = {2, 5, 7}. Määritä joukot (a)

Lisätiedot

Sovellettu todennäköisyyslaskenta B

Sovellettu todennäköisyyslaskenta B Sovellettu todennäköisyyslaskenta B Antti Rasila 20. syyskuuta 2007 Antti Rasila () TodB 20. syyskuuta 2007 1 / 17 1 Kolmogorovin aksioomat σ-algebra Tapahtuman todennäköisyys 2 Satunnaismuuttujat Todennäköisyysjakauma

Lisätiedot

Tilastolliset menetelmät: Lineaarinen regressioanalyysi

Tilastolliset menetelmät: Lineaarinen regressioanalyysi Tlastollset meetelmät Leaare regressoaalyys Tlastollset meetelmät: Leaare regressoaalyys 3. Tlastolle rppuvuus ja korrelaato 4. Johdatus regressoaalyys 5. Yhde selttäjä leaare regressomall 6. Ylee leaare

Lisätiedot

4. A priori menetelmät

4. A priori menetelmät 4. A pror menetelmät 4. Arvofunkto-menetelmä 4.2 Lekskografnen järjestämnen 4.3 Tavoteohjelmont Tom Bäckström Optmontopn semnaar - Kevät 2000 / 4. Arvofunkto-menetelmä Päätöksentekjä antaa eksplsttsen

Lisätiedot

Johdatus todennäköisyyslaskentaan Kokonaistodennäköisyys ja Bayesin kaava. TKK (c) Ilkka Mellin (2005) 1

Johdatus todennäköisyyslaskentaan Kokonaistodennäköisyys ja Bayesin kaava. TKK (c) Ilkka Mellin (2005) 1 Johdatus todennäköisyyslaskentaan Kokonaistodennäköisyys ja Bayesin kaava TKK (c) Ilkka Mellin (2005) 1 Kokonaistodennäköisyys ja Bayesin kaava Kokonaistodennäköisyys ja Bayesin kaava: Johdanto Kokonaistodennäköisyyden

Lisätiedot

Ilkka Mellin Todennäköisyyslaskenta. Osa 2: Satunnaismuuttujat ja todennäköisyysjakaumat. Kertymäfunktio. TKK (c) Ilkka Mellin (2007) 1

Ilkka Mellin Todennäköisyyslaskenta. Osa 2: Satunnaismuuttujat ja todennäköisyysjakaumat. Kertymäfunktio. TKK (c) Ilkka Mellin (2007) 1 Ilkka Mellin Todennäköisyyslaskenta Osa 2: Satunnaismuuttujat ja todennäköisyysjakaumat Kertymäfunktio TKK (c) Ilkka Mellin (2007) 1 Kertymäfunktio >> Kertymäfunktio: Määritelmä Diskreettien jakaumien

Lisätiedot

ABHELSINKI UNIVERSITY OF TECHNOLOGY

ABHELSINKI UNIVERSITY OF TECHNOLOGY Klassinen todennäköisyys ja kombinatoriikka Klassinen todennäköisyys Olkoon S = {s 1,s 2,...,s n } äärellinen otosavaruus. Oletetaan, että Pr(s i ) = 1, kaikille i = 1, 2,...,n n Tällöin alkeistapahtumat

Lisätiedot

Johdatus todennäköisyyslaskentaan Kertymäfunktio. TKK (c) Ilkka Mellin (2005) 1

Johdatus todennäköisyyslaskentaan Kertymäfunktio. TKK (c) Ilkka Mellin (2005) 1 Johdatus todennäköisyyslaskentaan Kertymäfunktio TKK (c) Ilkka Mellin (2005) 1 Kertymäfunktio Kertymäfunktio: Määritelmä Diskreettien jakaumien kertymäfunktiot Jatkuvien jakaumien kertymäfunktiot TKK (c)

Lisätiedot

Tilastollisten aineistojen kerääminen ja mittaaminen Tilastolliset aineistot

Tilastollisten aineistojen kerääminen ja mittaaminen Tilastolliset aineistot Todeäkösyyslaskea ja talstotetee peruskurssesmerkkkokoelma 4 Todeäkösyyslaskea ja tlastotetee peruskurss Esmerkkkokoelma 4 Aheet: Tlastollste aestoje kerääme ja mttaame Tlastollste aestoje kuvaame Otokset

Lisätiedot

Mat Tilastollinen päättely 7. harjoitukset / Tehtävät. Hypoteesien testaus. Avainsanat:

Mat Tilastollinen päättely 7. harjoitukset / Tehtävät. Hypoteesien testaus. Avainsanat: Mat-.36 Tlastollnen päättely 7. harjotukset Mat-.36 Tlastollnen päättely 7. harjotukset / Tehtävät Aheet: Avansanat: ypoteesen testaus. lajn vrhe,. lajn vrhe, arhaton test, ylkäysalue, ylkäysvrhe, ypotees,

Lisätiedot

Mat Lineaarinen ohjelmointi

Mat Lineaarinen ohjelmointi Mat-2.340 Lneaarnen ohjelmont 3.9.2007 Luento Johdanto (krja.-.4) S ysteemanalyysn Laboratoro eknllnen korkeakoulu Eeva Vlkkumaa Lneaarnen ohjelmont - Syksy 2007 / Luentorunko Hstoraa Lneaarnen optmonttehtävä

Lisätiedot

(2n 1) = n 2

(2n 1) = n 2 3.5 Induktiotodistus Induktiota käyttäen voidaan todistaa luonnollisia lukuja koskevia väitteitä, jotka ovat muotoa väite P (n) on totta kaikille n =0, 1, 2,... Tässä väite P (n) riippuu n:n arvosta. Todistuksessa

Lisätiedot

811120P Diskreetit rakenteet

811120P Diskreetit rakenteet 811120P Diskreetit rakenteet 2016-2017 4. Joukot, relaatiot ja funktiot Osa 1: Joukot 4.1 Joukot Matemaattisesti joukko on mikä tahansa hyvin määritelty kokoelma objekteja, joita kutsutaan joukon alkioiksi

Lisätiedot

Uuden eläkelaitoslain vaikutus allokaatiovalintaan

Uuden eläkelaitoslain vaikutus allokaatiovalintaan TEKNILLINEN KORKEAKOULU Systeemanalyysn laboratoro Mat-2.108 Sovelletun matematkan erkostyö Uuden eläkelatoslan vakutus allokaatovalntaan Tmo Salmnen 58100V Espoo, 14. Toukokuuta 2007 Ssällysluettelo Johdanto...

Lisätiedot

A = B. jos ja vain jos. x A x B

A = B. jos ja vain jos. x A x B Mat-1.2620 Sovellettu todennäköisyyslaskenta B / Ratkaisut Aiheet: Klassinen todennäköisyys ja kombinatoriikka Kokonaistodennäköisyys ja Bayesin kaava Avainsanat: Bayesin kaava, Binomikaava, Binomikerroin,

Lisätiedot

3 Tilayhtälöiden numeerinen integrointi

3 Tilayhtälöiden numeerinen integrointi 3 Tlayhtälöden numeernen ntegront Alkuarvotehtävässä halutaan ratkasta lopputla xt f ) sten, että tlayhtälöt ẋ = fx,u, t) toteutuvat, kun alkutla x 0 on annettu Tlayhtälöden numeernen ntegront vodaan suorttaa

Lisätiedot

Johdatus tilastotieteeseen Otos ja otosjakaumat. TKK (c) Ilkka Mellin (2004) 1

Johdatus tilastotieteeseen Otos ja otosjakaumat. TKK (c) Ilkka Mellin (2004) 1 Johdatus tilastotieteesee Otos ja otosjakaumat TKK (c) Ilkka Melli (004) 1 Otos ja otosjakaumat Yksikertaie satuaisotos Otostuusluvut ja otosjakaumat Aritmeettise keskiarvo otosjakauma Otosvariassi otosjakauma

Lisätiedot

Osa 1: Todennäköisyys ja sen laskusäännöt. Todennäköisyyden peruslaskusäännöt

Osa 1: Todennäköisyys ja sen laskusäännöt. Todennäköisyyden peruslaskusäännöt Ilkka Mellin Todennäköisyyslaskenta Osa 1: Todennäköisyys ja sen laskusäännöt Todennäköisyyden peruslaskusäännöt TKK (c) Ilkka Mellin (2007) 1 Todennäköisyyden peruslaskusäännöt >> Uusien tapahtumien muodostaminen

Lisätiedot